杯子要穿过挡板间的通道。若任务只是判断是否碰撞，桌面的细小纹理和某些光照变化可能不影响答案；杯柄外沿和通道边界却不能随便丢。把整幅图画得很逼真，可能在与任务无关的细节上花了很多力气；把表示压得很短，也可能恰好删掉了决定成败的边缘。

因此，“只预测重要信息”的关键不是“只”字，而是什么使信息变得重要。若一项差异会改变可选动作或任务结果，表示就需要保留它，或保留足以恢复这种判断的线索。对避碰而言，删掉障碍边缘会使“能过”和“会撞”混在一起；这项丢失不能靠其他部分更清楚来补救。

“那颜色和纹理就永远不需要了吗？”换成材质判断，反光与纹理可能又是线索；换成信号灯任务，颜色甚至直接决定能否通行。同一信息是否可省，由任务和使用条件决定，不存在一份所有任务通用的无关细节清单。

MuZero 提供了一种任务导向的例子：它用学习到的表示与动态支持规划，关注奖励、价值和策略等与决策相关的量，并不要求把棋盘木纹或画面全部像素重建出来。这里的认识是世界模型的输出可以由用途定义，而不是“不画图就无需预测后果”。

另一条相关问题是直接预测表示。I-JEPA 让上下文预测目标区域的表示，相关视频工作继续探索时间中的表示预测。I-JEPA 在原研究中属于非生成式自监督方法；本讲把它放在这里，是比较预测对象的选择，不能因为讨论了世界模型就把它归成一种像素生成器。

这两条研究线的训练目标与使用方式并不相同，共同提醒我们：预测是否有用，需要看保留了什么关系以及怎样验证。下一页回到最具体的一项关系——通道看起来有空，是否足以让整只杯子，包括杯柄，一起通过？